利用理赔码通过分层时间感知神经网络预测患者药物不良事件风险
机器学习
2021-04-20 v1 人工智能
摘要
药物不良事件（ADEs）是一种严重的健康问题，可能危及生命。虽然已有大量研究探讨药物与不良事件之间的相关性，但关于个性化 ADE 风险预测的研究有限。在治疗替代方案中，避免使用极可能引起严重不良事件的药物可帮助医生为患者提供更安全的治疗。现有的个性化 ADE 风险预测工作使用当前就诊中获得的信息。然而，另一方面，病史揭示了每位患者独特的特征和全面的医疗信息。本研究的目标是基于记录在理赔码中的患者病史，评估目标药物可能在目标患者身上诱发的个性化 ADE 风险，理赔码提供关于诊断、服药、相关医疗用品以及计费信息的信息。我们开发了 HTNNR 模型（用于 ADE 风险的分层时间感知神经网络），以捕捉理赔码的特征及其关系。实证评估表明，所提出的 HTNNR 模型大幅优于对比方法，尤其是对于罕见药物。
引用
@article{arxiv.2008.08957,
title = {Patient ADE Risk Prediction through Hierarchical Time-Aware Neural Network Using Claim Codes},
author = {Jinhe Shi and Xiangyu Gao and Chenyu Ha and Yage Wang and Guodong Gao and Yi Chen},
journal= {arXiv preprint arXiv:2008.08957},
year = {2021}
}